2012年、画像認識におけるディープラーニングの大幅な性能向上が報告されて以来、人の認識機能を必要とする分野での実用性が報告されている。我々は、プレス加工されたプラスティック部品とプラスティック製品表面上の印刷に対する外観検査、および金属製の自動車部品の打音検査にAIを活用している。AIの活用において性能を確保するためには、ある程度の量の質の良いデータを準備する必要がある。これについては理論的基盤があるわけではなく経験に基づくことが多い。
　本講座では、我々がこれまでに得たAIのトレイニング方法をもとに、AIの活用の方法について述べる。

1. 人工知能とは何か?
   1. 人工知能の概要
   2. 機械学習とディープラーニング
   3. 教師あり学習
   4. 教師なし学習
2. ディープラーニングによる製品の外観検査
   1. 畳み込みニューラルネットワーク
   2. プレス加工によるプラスティックの欠陥検査問題
   3. 畳み込みニューラルネットワークの適用
   4. トレイニングデータの作成方法
   5. 欠陥サイズの推定方法
3. サポートベクターマシンによる製品の打音検査
   1. サポートベクターマシン
   2. 自動車部品の打音検査問題
   3. 打音検査の難しさ
   4. トレーニングデータの精度
   5. 実験の実用のギャップ
4. まとめ